群智能超参数优化。
swarmopt的Python项目详细描述
swarmopt
swarmopt是一种用于超参数整定的群体智能优化器。该项目目前正在研发中,我正在实施swarm智能算法,以找到超帕累米调整的最佳变化。我特别感兴趣的是比较速度钳的变化,并实现与超参数调整中遇到的复杂搜索环境最相似的测试函数。
Swarm Intelligence利用全球基于人口的搜索解决方案,在特定成本函数方面平衡勘探和开发。有许多令人兴奋的角落和缝隙,探索在国际拓扑,但我选择踢的东西与一些粒子群优化(pso)算法,因为他们很容易理解和摆弄。1995年,埃伯哈特和肯尼迪在他们关于psos的原始论文中提出了pso血统,此后的几年中,他们的核心思想出现了许多变化。
算法
- Global Best PSO-kennedy&eberhart 1995年
- Local Best PSO-Kennedy&;Eberhart 1995年
- Unified PSO-Parsopoulos&Vrahatis 2004
- Dynamic Multi-Swarm PSO-Liang&suganthan 2005年
- Simulated Annealing PSO-穆、曹、王2009
基准函数
单目标测试函数:
- 球面函数
- 罗森布鲁克函数
- 阿克利函数
- griewank函数
- rastrigin函数
- weierstrass函数
甲板上
- pso(cpso)的协作方法(多协作群)
- 群优化中的主动粒子(ppso)(自调整群)
- 惯性重量变化
- 变异算子变异
- 速度夹紧变化
- 多目标变化
- 动态环境
应用程序
- 神经网络层数与结构优化
- 网格调度(负载平衡)
- 通信网络中的路由
引文
siobhan k cronin,swarmopt(2018),github存储库,https://github.com/SioKCronin/SwarmOpt